基于一维卷积神经网络的多特征社交网络流行度预测研究.pdf

研究与开发文章编号：1007-1423（2019）07-0003-08DOI：10.3969/j.issn.1007-1423.2019.07.001基于一维卷积神经网络的多特征社交网络流行度预测研究林锦发1程良伦1应稼田21.5100062.510006（广东工业大学计算机学院广州；广东工业大学自动化学院广州）摘要：传统的社交网络流行度预测方法只考虑少数的特征致使预测结果在大规模数据集中表现不好。现提出一种基于一One-DCNN维卷积神经网络（）的多特征社交网络流行度预测方法。该方法考虑所有元数据特征并提出先验特征构One-DCNNLightGBM造对其进行预处理。因元数据固有的一维特性提出使用进行深度特征提取最后使用对其One-DCNN进行回归与预测。实验证明能有效地提取出特征且所提出的方法效果较传统方法和其他回归方法有较大的提升。关键词：One-DCNN社交网络；流行度预测；先验特征；一维卷积神经网络（）基金项目：No.U1201251No.2016B030301008国家基金广东省联合基金重点项目（）；广东省信息物理融合系统重点实验室（）0引言息元数据特征（如观看次数、转发次数）缺乏考虑。如FacebookFlickr何将多种元数据特征纳入社交网络流行度预测研究仍社交网络（例如、和微博）的流行度然是一个值得研究的问题。预测旨在利用在线系统中传播的媒体信息（例如照片、第二类侧重于研究整体流行变化的演变趋势即视频）或社交网络元数据（例如媒体信息的发布时间、SzaboHuber⁃关注于内容的统计量分析。在早期和观看次数和转发次数等）预测某些事物在未来一段时man利用一种称为模式特征分析的方法来预测社交网间内的流行度。随着移动互联网的兴起社交网络也Roy